O que é teste de hipóteses e ANOVA
O teste de hipóteses é o método estatístico para decidir, com um risco conhecido de erro, se uma diferença observada nos dados é real ou apenas acaso. A ANOVA (análise de variância) é o teste de hipóteses usado para comparar as médias de três ou mais grupos ao mesmo tempo, como três máquinas, três fornecedores ou três turnos.
Na melhoria de processos, esse é o passo que separa opinião de evidência: antes de mexer em uma máquina ou trocar um fornecedor, o teste diz se a diferença que você viu nas amostras justifica a ação. É uma ferramenta da fase Analisar do DMAIC do Six Sigma.
Mapa visual do teste de hipóteses
O mapa mostra o fluxo do teste (hipótese, p-valor, decisão) e o exemplo de ANOVA com três máquinas resolvido neste artigo.
Os conceitos em 5 linhas
- H0 (hipótese nula): não há diferença (as médias são iguais). É o ponto de partida.
- H1 (hipótese alternativa): há diferença (pelo menos uma média é diferente).
- Nível de significância α: o risco de erro tipo I que você aceita, em geral 0,05.
- p-valor: a probabilidade de observar uma diferença tão grande quanto a obtida, ou maior, se H0 fosse verdadeira.
- Regra de decisão: se p < α, rejeita-se H0; se p ≥ α, não há evidência para rejeitá-la.
| Realidade \ Decisão | Rejeitar H0 | Não rejeitar H0 |
|---|---|---|
| H0 verdadeira | Erro tipo I (alarme falso), probabilidade α | Decisão correta |
| H0 falsa | Decisão correta (poder, 1 − β) | Erro tipo II (diferença real não detectada), probabilidade β |
Fluxo do teste em 6 passos
- Formule H0 e H1 em termos do processo (por exemplo, "o peso médio é igual nas três máquinas").
- Escolha α antes de olhar os dados.
- Defina o tamanho da amostra e colete os dados de forma aleatória, com um sistema de medição confiável.
- Verifique as premissas: independência, normalidade aproximada e variâncias parecidas.
- Calcule a estatística de teste (t ou F) e o p-valor.
- Decida e traduza em ação de processo, olhando também o tamanho da diferença, não só o p-valor.
Comparando dois grupos: teste t
Exemplo fictício: uma linha de envase de pacotes de 50 g tem três máquinas (A, B e C). Foram pesados 5 pacotes de cada uma.
| Pacote | Máquina A | Máquina B | Máquina C |
|---|---|---|---|
| 1 | 50,2 | 50,6 | 50,1 |
| 2 | 49,8 | 50,9 | 50,3 |
| 3 | 50,5 | 50,4 | 49,9 |
| 4 | 50,1 | 51,0 | 50,2 |
| 5 | 49,9 | 50,7 | 50,0 |
| Média (g) | 50,10 | 50,72 | 50,10 |
| Variância | 0,075 | 0,057 | 0,025 |
Primeiro, compare só A e B com o teste t de variâncias iguais. A variância combinada é sp² = (0,075 + 0,057) ÷ 2 = 0,066, e o erro padrão da diferença é 0,1625.
t = (50,10 − 50,72) ÷ 0,1625 = -3,82
Com 8 graus de liberdade, o t crítico bilateral a 5% é 2,306. Como |-3,82| > 2,306 (p = 0,0051), rejeita-se H0: as máquinas A e B enchem em médias diferentes.
ANOVA de um fator: três máquinas ao mesmo tempo
Com três grupos, comparar par a par com vários testes t infla o risco: três comparações a 5% dão uma chance de alarme falso de 1 − 0,95³ = 14,3%; com 5 grupos (10 pares) sobe para 40,1%. A ANOVA faz uma única comparação global.
F = MQentre ÷ MQdentro = [SQentre ÷ (k − 1)] ÷ [SQdentro ÷ (N − k)]
A SQentre mede o quanto as médias dos grupos se afastam da média geral; a SQdentro mede a variação dentro de cada grupo (o ruído). Se o sinal supera o ruído por bastante, F fica grande.
Cálculo com os dados acima (k = 3 grupos, n = 5 por grupo, N = 15). Média geral = 50,31 g.
- SQentre = 5 × [(50,10 − 50,31)² + (50,72 − 50,31)² + (50,10 − 50,31)²] = 1,281
- SQdentro = soma dos desvios quadrados dentro de cada grupo = 0,628
- MQentre = 1,281 ÷ 2 = 0,6407; MQdentro = 0,628 ÷ 12 = 0,0523
F = 0,6407 ÷ 0,0523 = 12,24
| Fonte | SQ | gl | MQ | F | p |
|---|---|---|---|---|---|
| Entre máquinas | 1,281 | 2 | 0,6407 | 12,24 | 0,0013 |
| Dentro (erro) | 0,628 | 12 | 0,0523 | ||
| Total | 1,909 | 14 |
O F crítico a 5% com 2 e 12 graus de liberdade é 3,885. Como 12,24 > 3,885, e p = 0,0013 < 0,05, rejeita-se H0: pelo menos uma máquina tem média diferente.
Qual máquina difere? Teste post hoc de Tukey
A ANOVA diz que existe diferença, mas não onde. O teste de Tukey compara todos os pares mantendo o risco global em 5%. A diferença mínima significativa é HSD = q × √(MQdentro ÷ n), com q = 3,773 (3 grupos, 12 gl).
HSD = 3,773 × √(0,0523 ÷ 5) = 0,386 g
| Par | Diferença das médias (g) | Compara com HSD 0,386 | Conclusão |
|---|---|---|---|
| B − A | 0,62 | maior | Diferem |
| B − C | 0,62 | maior | Diferem |
| A − C | 0,00 | menor | Não diferem |
Conclusão de processo: a máquina B enche cerca de 0,62 g a mais que A e C (1,2% do peso nominal de 50 g). Ajuste ou investigue B (bico, pressão, calibração) e confirme com nova coleta. Para acompanhar depois, use a carta de controle.
Erros comuns e premissas
- Confundir "não rejeitar H0" com "H0 é verdadeira": com amostra pequena, o teste pode simplesmente não ter poder para detectar a diferença.
- Tratar p = 0,049 e p = 0,051 como mundos opostos: o p-valor é uma medida contínua de evidência.
- Ignorar a significância prática: com amostras enormes, diferenças irrelevantes ficam "significativas". Compare a diferença com a tolerância do produto, por exemplo via Cp e Cpk.
- Não checar as premissas: a ANOVA supõe observações independentes, resíduos aproximadamente normais e variâncias semelhantes entre grupos. Use o histograma e o gráfico de resíduos; se falhar, considere um teste não paramétrico, como Kruskal-Wallis.
- Fazer muitos testes e relatar só o "que deu certo": cada teste a mais aumenta o risco de falso positivo.
- Amostras não aleatórias: pegar peças só no início do turno distorce o resultado.
Para relacionar duas variáveis contínuas em vez de comparar grupos, veja o diagrama de dispersão e correlação. Para medir o resultado em termos de defeitos por milhão, veja o nível sigma.
Perguntas frequentes
O que é p-valor em linguagem simples?
É a probabilidade de ver uma diferença tão grande quanto a observada se, na verdade, não houvesse diferença nenhuma. Quanto menor, mais difícil de atribuir ao acaso.
Quando usar ANOVA em vez do teste t?
Quando houver três ou mais grupos. Com dois grupos, a ANOVA e o teste t dão o mesmo resultado (F = t²).
O que significa p < 0,05?
Que, se H0 fosse verdadeira, uma diferença assim apareceria em menos de 5% das vezes. Por convenção, rejeita-se H0.
No exemplo, por que F = 12,24 é significativo?
Porque supera o F crítico de 3,885 (5%, 2 e 12 gl); o p-valor correspondente é 0,0013.
O que fazer depois de uma ANOVA significativa?
Aplicar um teste post hoc, como Tukey, para ver quais grupos diferem, e depois verificar se a diferença é relevante para o produto.
Quantas amostras são necessárias?
Depende da diferença que importa detectar e da variação do processo. Como ponto de partida, use pelo menos 5 a 10 por grupo e calcule o poder do teste no software estatístico.
Fontes
- MONTGOMERY, D. C.; RUNGER, G. C. Estatística Aplicada e Probabilidade para Engenheiros. Rio de Janeiro: LTC.
- MONTGOMERY, D. C. Design and Analysis of Experiments. Wiley.
- FISHER, R. A. Statistical Methods for Research Workers. Edinburgh: Oliver and Boyd, 1925.
- TUKEY, J. W. Comparing individual means in the analysis of variance. Biometrics, v. 5, 1949.
- WERKEMA, M. C. C. Criando a Cultura Seis Sigma. Rio de Janeiro: Qualitymark.
Para estudar mais: fontes e links confiáveis
- ASQ: Quality Resources (em inglês)
- ISO: ISO 9001 and related standards, Quality management (em inglês)
- Wikipédia: Seis Sigma
Guarde este endereço: o Manufatura Enxuta é a sua escola de manufatura enxuta. Volte sempre que precisar estudar, com artigo completo, mapa visual e fontes confiáveis. Siga uma das trilhas de estudo ou consulte o glossário A–Z.
Quer menos quebras e mais disponibilidade?
Baixe o e-book gratuito sobre indicadores de desempenho e acompanhe as perdas da manutenção.
Baixar e-book
Sobre o autor
Especialista em Lean Manufacturing e Gestão Comportamental
Mais de 20 anos de indústria automotiva e metalmecânica (GM e Dana), especialista em Lean Manufacturing desde 2006. Instrutor e mentor do SENAI no programa Brasil Mais Produtivo, com consultorias, treinamentos e auditorias em mais de 50 empresas, unindo qualidade, produtividade e desenvolvimento de pessoas.
